Gemini 4 Hydrogen: Googles Flash-ersättare tar bort Flash-namnet och argumenterar om slutförandet

Det påstående som Google DeepMind lade fram i tillkännagivandet är snävt och specifikt: Gemini 4 Hydrogen slutför uppgifter 2,5 gånger snabbare än Gemini 3.8 Flash och slår Gemini 4 Argon i Artificial Analysis Intelligence Index. Båda delarna går att kontrollera, och den andra stämmer – i den oberoende testriggen får Hydrogen 54 mot Argons 50. Den första delen är där lanseringen blir intressant, eftersom samma oberoende testrigg anger att Hydrogen tar 13,5 minuter per indexuppgift och Gemini 3.8 Flash 14,8, vilket är en skillnad på 10 % och inte 150 %. Gemini 4 Hydrogen är verklig, den släpptes allmänt tillgänglig den 12 november 2026 för 1,50 dollar per miljon indatatokens och 7,50 dollar per miljon utdatatokens, och det är den första modellen i throughput-platsen som säljs under ett kodnamn i stället för en Flash-beteckning. Det den inte är är en enkel hastighetsuppgradering jämfört med modellen den ersätter.

Vad som faktiskt släpptes den 12 november

Googles modellkort är daterat samma dag och är ovanligt tydligt om härstamning: Hydrogen är adapterad från Gemini 4 Carbon, frontlinjemodellen i samma familj. Det är inte en mindre modell som tränats separat. Det är samma bas med en annan eftertränings- och serveringsprofil, vilket är anledningen till att kapacitetsgapet mellan den och dess syskon är mindre än prisgapet antyder.

• Kontext — ett fönster på 1 048 576 token som delas mellan indata och utdata, med 64K token i standardmässig synkron utdata och upp till hela miljonen via lång bakgrundsavkodning.

• Indata och utdata – text, bilder, ljud, video och PDF-filer som indata; text som utdata. Ingen bildgenerering, ingen ljudgenerering, inget Live API.

• Tanknivåer – konfigurerbara, och Artificial Analysis publicerar sitt huvudresultat på inställningen xhigh, vilket inte är standard. Googles egna jämförelsesiffror ligger på standardinställningen high.

• Kunskapsgräns — mars 2026, uttryckligen angiven i modellkortets avsnitt om begränsningar, med förbehållet att vissa domäner är mindre aktuella. Den enda raden löser en fråga som de tidigare G​emini 4-modellerna lämnade öppen.

• Distribution — Gemini-appen, Gemini API, Google AI Studio, Google Sheets, Gemini för företag, Google Antigravity och Google Search, med en gratisnivå för API:et. Ingen fas med begränsad åtkomst.

• Säkerhetsrapportering — en separat rapport för säkerhet och trygghet utlovas "inom de närmaste dagarna" och finns ännu inte, så allt nedan är självrapporterat.

Påståendet om 2,5x och vad den externa testriggen mätte

Två siffror gör jobbet i Googles tillkännagivande, och de svarar på olika frågor. Den första är genomströmning: 190 utdatatokens per sekund uppmätt av Artificial Analysis, jämfört med 112 för Gemini 3.8 Flash, 65 för Gemini 4 Argon och 72 för Gemini 4 Carbon. Det är en genuin 1,7x ökning i rå genereringshastighet och ungefär tre gånger så snabbt som vart och ett av Gemini 4-syskonen.

Den andra är tiden per slutförd uppgift, och här vänder bilden. Artificial Analysis slutför en Intelligence Index-uppgift med Hydrogen på 13,5 minuter, med Gemini 3.8 Flash på 14,8 minuter, med Carbon på 28,4 och med Argon på 30,0. Jämfört med Argon är det en fördel på 2,2 gånger. Jämfört med modellen som G​oogle namngav i lanseringsinlägget är fördelen 1,1 gånger. Om siffran 2,5 gånger kom från en specifik intern uppgiftsuppsättning, är det ett påstående om just den uppgiftsuppsättningen — det allmänna externa måttet ligger tillräckligt nära paritet för att ingen utanför G​oogle har reproducerat gapet.

Den troliga förklaringen är mångordighet, och det slår åt båda hållen. Hydrogen genererade 304 miljoner utdatatokens för att slutföra indexet, jämfört med 72,8 miljoner för medianmodellen och 126 miljoner för Gemini 3.8 Flash. Den producerar mer än dubbelt så mycket text per uppgift och blir ändå klar något tidigare, eftersom den producerar texten snabbt. Hastighet och mångordighet är samma faktum sett från två håll.

Vad G​oogles egen tabell säger, med tillhörande förbehåll

Alla siffror i det här avsnittet är leverantörsrapporterade, från modellkortet den 12 november, och inget av dem har återskapats utanför G​oogle. Jämförelseuppsättningen är Claude Sonnet 5.5 och GPT-6.1 Terra, inte Flash-modellen som ersätts.

• SWE-sweep — 13,5 % för Hydrogen mot 3,1 % för Claude Sonnet 5.5 och 5,8 % för GPT-6.1 Terra, den största relativa skillnaden i tabellen.

• Terminal-Bench 4.1 — 57,0 % för Hydrogen mot 63,9 % för Claude Sonnet 5.5, utan att någon poäng publicerats för GPT-6.1 Terra. Detta är det enda agentiska kodningsbenchmarket där Hydrogen förlorar, och Google betecknar det som fuskjusterat.

• Kunskapsarbete — Agents' Last Exam v1.1 på 71,6 % (60,4 %, 69,8 %), AutomationBench-AA på 76,1 % (71,8 %, 60,2 %) och Vending-Bench 2 med ett banksaldo på 14 549 $ jämfört med 11 165 $ och 9 107 $.

• Datoranvändning – OSWorld-2.1 på 77,6 % mot 83,9 % för Claude Sonnet 5.5 och 74,2 % för GPT-6.1 Terra. En andra förlust mot samma konkurrent.

• Multimodalt och vetenskap – MKA 53,4 %, Chartography 66,6 %, Terminal-Bench-Science 0.1 vid 51,4 %, och HLE-Diamond vid 58,8 % mot 53,3 % och 47,3 %.

Läser man förlusterna tillsammans framträder en bild: Hydrogen är stark där uppgiften är att ackumulera arbete över många steg och svagare där uppgiften är att hålla samman en lång session med verktygsanvändning. Det stämmer överens med en modell trimmad för genomströmning snarare än uthållighet, och det är skillnaden som spelar roll om man väljer mellan den och en frontier-modell för en agentloop som körs i en timme.

De oberoende siffrorna är de man ska budgetera utifrån.

Artificial Analysis är det enda instrumentet här som inte kommer från leverantören, och dess siffra för kostnad per uppgift är det mest användbara enskilda talet i lanseringen. Hydrogen ligger i genomsnitt på 3,16 dollar i inferens för att slutföra en indexuppgift på xhigh, och 1,87 dollar på standardläget high. Gemini 4 Argon kostar 4,97 dollar, Gemini 4 Carbon 7,76 dollar och Gemini 3.8 Flash – den billiga modellen – kostar 7,77 dollar, eftersom den bränner 126 miljoner tokens till ett lågt pris för att komma dit.

Den inversionen är det egentliga argumentet för Hydrogen, och det är starkare än påståendet om hastighet. Modellen som kostar en fjärdedel så mycket per token som Carbon kostar en femtedel så mycket per slutförd uppgift, och mindre än en fjärdedel av vad modellen den ersätter kostar. En prissättning per token skulle ha gett dig motsatt besked.

Till det hör två förbehåll. Det första är att kostnaden per uppgift är en egenskap hos indexets uppgiftsmix, inte hos din arbetsbelastning; en pipeline som genererar svar på 200 token och sedan stoppar kommer att se priset per token men inget av besparingen per uppgift. Det andra är latensen: Hydrogen behöver 37,8 sekunder till sin första svarstoken vid xhigh – 16,7 vid standardinställningen high – jämfört med 17,3 för Gemini 3.8 Flash. Vid den inställning som lanseringsrapporteringen angav är den snabb på att generera men långsam på att starta, så en interaktiv yta kommer att kännas långsammare än modellen den ersatte, trots att agentloopen blir klar tidigare.

Säkerhetsrapportering som inkluderar en regression

Modellkortet innehåller ett ovanligt medgivande för att vara ett lanseringsdokument. Jämfört med Gemini 3.8 Flash förbättrades de automatiska innehållssäkerhetspoängen för text (+0,80 procentenheter), flerspråkighet (+1,10) och bild-till-text (+7,00), medan tonen försämrades med 0,65. Oberättigade avslag – när modellen avböjer ofarliga förfrågningar – försämrades med 5,57 poäng, koncentrerade till multimodala promptar.

Inom frontier-säkerhet genomförde Google en bedömning av väsentlig kapacitetsförändring av Gemini 4 Argon och drog slutsatsen att Hydrogen inte uppvisar någon väsentlig ökning av den allmänna kapaciteten, så den fullständiga sviten för kritiska kapaciteter krävdes inte. Riktade CBRN- och cybertester visade att modellen inte når någon av nivåerna för kritisk kapacitet, även om den når larmtröskeln för båda. Detta är självbedömningar, och den bakomliggande rapporten anges fortfarande som kommande.

Var detta lämnar Flash-nivån

Google har inte pensionerat Gemini 3.8 Flash. Det finns fortfarande i katalogen, kostar fortfarande $0,75 / $3,75 per miljon tokens och är fortfarande rätt val för korta, latenskänsliga anrop: med 17,3 sekunder till första svarstoken startar det dubbelt så snabbt som Hydrogen på xhigh och ligger ungefär på samma nivå som Hydrogen vid dess standardinställning. Det som har ändrats är standardvalet: modellen som Google nu levererar till API-användare på gratisnivån och till Antigravity-agenten i Gemini Managed Agents är den med kodnamnet, och nivåetiketten som tidigare beskrev den platsen är borta.

För team som kör en blandad stack är den praktiska konsekvensen att de två modellerna vill ha olika uppgifter. Hydrogen för exekvering – verktygsanrop, filändringar, testkörningar, parallella subagentturer – och en frontier-modell för planeringssteget. Det är exakt det upplägg G​oogle dokumenterar, där Carbon planerar gränssnitt och löser svåra hinder och Hydrogen tar kodändringarna, och det är upplägget som OrcaRouter är byggt för att hantera: G​emini 4 Carbon, G​emini 4 Argon, G​emini 3.8 Flash och G​emini 3.1 Pro Preview kan alla anropas med en enda nyckel till leverantörens listpris utan påslag, så omprissättningen av Carbon och Argon den 1 december slår igenom här samma dag som den slår igenom på G​oogles prislista, och en hastighetsbegränsad gratisnivå kan falla tillbaka till en betald väg utan ett andra avtal. G​emini 4 Hydrogen finns inte i vår katalog – det kommer från G​oogles API och AI Studio – så den ärliga konfigurationen är Hydrogen som anropas direkt för exekvering med de routade modellerna bakom för planering och redundans.

Vad du ska titta på i stället för ännu ett benchmark

Datumet som kommer att säga dig mer än någon poäng är 1 december 2026. Gemini 4 Carbon och Gemini 4 Argon fördubblas båda på det datumet, från 2,00 $ / 10,00 $ till 4,00 $ / 20,00 $ per miljon tokens. Hydrogens kort har inget daterat steg alls. Om den asymmetrin håller har G​oogle skapat en stabil familj med två nivåer – ett tak på 4/20 dollar och en arbetshäst på 1,50/7,50 dollar – och namnet Flash kommer sannolikt inte tillbaka. Om Hydrogen går över till samma schema var det som släpptes den här veckan ett introduktionspris med ett kodnamn kopplat till sig.

Det andra att hålla ögonen på är säkerhetsrapporten, som modellkortet säger är på väg och som är det enda dokument som skulle kunna motsäga kapacitetsbedömningen ovan. Det tredje är huruvida någon utanför Google återskapar en 2,5 gånger så stor skillnad i andelen slutförda uppgifter. Tills någon gör det är den försvarbara versionen av påståendet den som det oberoende testramverket stöder: Hydrogen är det billigaste Gemini 4-alternativet per slutförd uppgift, med ungefär tre gånger så hög genomströmning som sina syskonmodeller, långsamt att starta och extremt ordrikt – och modellen som den ersatte är nu budgetalternativet för korta anrop i stället för standardvalet för allt.